Glydways ತನ್ನ ಮೊದಲ ಪಾದಚಾರಿ ಪತ್ತೆ ಮಾದರಿಯನ್ನು Uber AI Solutions ಜೊತೆಗೆ ನಿರ್ಮಿಸಿದೆ
Glydways ಎಂಬ ಸ್ವಯಂಚಾಲಿತ ವಾಹನ ಕಂಪನಿಯು ಮಹತ್ವಪೂರ್ಣ ಗ್ರಹಿಕೆ ಸಾಮರ್ಥ್ಯವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಹತ್ತಿರದ ಬೆಳಕು ಪತ್ತೆ ಮತ್ತು ವ್ಯಾಪ್ತಿ (LiDAR) ಡೇಟಾ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಹೇಗೆ ಮಾಪನೀಯವಾಗಿ ಸ್ಥಾಪಿಸಿತು ಎಂಬುದನ್ನು ತಿಳಿಯಿರಿ.
September 2, 2026 | ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್
ಕಾರ್ಯನಿರ್ವಾಹಕ ಸಾರಾಂಶ
ಸ್ವಯಂಚಾಲಿತ ಚಲನೆಯ ಕಂಪನಿ Glydways ತನ್ನ ಮೊದಲ ಪಾದಚಾರಿ ಪತ್ತೆಮಾಡುವ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಲು ಅಗತ್ಯವಿದ್ದಾಗ, ಅದು Uber AI Solutions ಜೊತೆಗೆ ಪಾಲುದಾರಿಕೆ ಮಾಡಿಕೊಂಡು, ಕಂಪನಿಗೆ ಮಾಪನೀಯ LiDAR ಡೇಟಾ ಪೈಪ್ಲೈನ್ ಸ್ಥಾಪಿಸಲು ಸಹಾಯ ಮಾಡಿತು, ಇದರಿಂದ ಕಂಪನಿ ಪ್ರಮುಖ ಗ್ರಹಿಕೆ ಸಾಮರ್ಥ್ಯವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿ, ಒಂದು ತ್ರೈಮಾಸಿಕಕ್ಕಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ ನಿಯೋಜಿಸಬಹುದು.
ಪ್ರಮುಖ ಫಲಿತಾಂಶಗಳು
99%
ಎರಡು ತಿಂಗಳೊಳಗೆ ಟಿಪ್ಪಣಿ ಶುದ್ಧತೆ ಸಾಧಿಸಲಾಗಿದೆ
20,000+
LiDAR ಫ್ರೇಮ್ಗಳನ್ನು ಲೇಬಲ್ ಮಾಡಲಾಗಿದೆ
40%
ಲೇಬಲಿಂಗ್ನಲ್ಲಿ ಅಂದಾಜು ವೆಚ್ಚ ಉಳಿತಾಯ
ಡಿಪ್ಲಾಯ್ಮೆಂಟ್ಗೆ ನಂಬಿಗಸ್ಥ ಪಾದಚಾರಿ ಪತ್ತೆ ಅಗತ್ಯವಿದೆ
Glydways ನಗರ ಚಲನೆಯ ಹೊಸ ವರ್ಗವಾದ ಫ್ಲೋ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ. ಇದು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ನಿರ್ಮಿಸಲಾದ ಸ್ವಯಂಚಾಲಿತ ವಾಹನಗಳು, ರಿಯಲ್-ಟೈಮ್ ಸಂಯೋಜನೆ ಮತ್ತು ಸಮರ್ಪಿತ ಮಾರ್ಗಗಳನ್ನು ಒಟ್ಟಿಗೆ ಸೇರಿಸಿ, ಪ್ರಯಾಣಿಕರನ್ನು ಬೇಡಿಕೆಯಂತೆ ನಿಲ್ಲದೆ ಸಾಗಿಸುವ ಜಾಲವನ್ನು ರೂಪಿಸುತ್ತದೆ, ಇದರಿಂದ ಟ್ರಾನ್ಸಿಟ್ ಶುಲ್ಕದಲ್ಲಿ ವೈಯಕ್ತಿಕ ಪ್ರಯಾಣವನ್ನು ಒದಗಿಸುತ್ತದೆ.
“
ನಾವು ನಮ್ಮ ಸಂಪೂರ್ಣ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಪಾದಚಾರಿಗಳನ್ನು ನಂಬಿಕೆಯಿಂದ ಪತ್ತೆಹಚ್ಚದೆ ಇದ್ದರೆ ನಮ್ಮ ವ್ಯವಸ್ಥೆಯನ್ನು ನಿಯೋಜಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
”
ಫರ್ಶಿದ್ ಮುಸಾವಿ
ಪರ್ಸೆಪ್ಷನ್ ಮುಖ್ಯಸ್ಥ, ಗ್ಲೈಡ್ವೇಸ್
ಆರಂಭಿಕ ಹಂತದ ತರಬೇತಿ ಡೇಟಾ ಸೀಮಿತವಾಗಿದ್ದಾಗ, ಪ್ರತಿಯೊಂದು ಟ್ಯಾಗ್ಮಾಡುವಿಕವೂ ಮಹತ್ವದ್ದಾಗಿತ್ತು. Glydways ಗೆ ಟ್ಯಾಗ್ಮಾಡುವ ಸಾಮರ್ಥ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಿನದನ್ನು ಬೇಕಾಗಿತ್ತು. ಅದರ ಪರ್ಸೆಪ್ಷನ್ ಮಾದರಿಗಳು ಅಭಿವೃದ್ಧಿಯಾಗುತ್ತಿದ್ದಂತೆ, ನಿರಂತರವಾಗಿ ಉನ್ನತ-ಮಟ್ಟದ ತರಬೇತಿ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಕಾರ್ಯಾಚರಣಾ ಪ್ರಕ್ರಿಯೆಯ ಅಗತ್ಯವಿತ್ತು.
ಮೌಸಾವಿ ವಿವರಿಸಿದಂತೆ, "LiDAR ಪಾಯಿಂಟ್ ಕ್ಲೌಡ್ಗಳ 3D ಲೇಬಲಿಂಗ್ ಸಂಕೀರ್ಣವಾಗಿದೆ, ವಿಶೇಷವಾಗಿ ದೂರದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಗುರಿಯ ಮೇಲೆ ಕಡಿಮೆ ಪಾಯಿಂಟ್ಗಳು ಇರುವಾಗ."
ವ್ಯಾಖ್ಯಾನ ಮಾನದಂಡಗಳು, ಗುಣಮಟ್ಟ ಪರಿಶೀಲನಾ ಕಾರ್ಯಪ್ರವಾಹಗಳು ಮತ್ತು ಸಹಕಾರಾತ್ಮಕ ವಿಮರ್ಶೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು
ಆ ಸಾಮರ್ಥ್ಯವನ್ನು ಆರಂಭದಿಂದ ನಿರ್ಮಿಸುವ ಬದಲು, Glydways ಕಂಪನಿಯು Uber AI Solutions ಜೊತೆಗೆ ಪಾಲುದಾರಿಕೆಯಲ್ಲಿ ಸೇರಿಕೊಂಡು ಒಂದು ಮಾಪನೀಯ ಡೇಟಾ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ನಿರ್ಮಿಸಿತು.
“
Uber AI Solutionsನ ಗುಣಮಟ್ಟ, ಪ್ರತಿಕ್ರಿಯಾಶೀಲತೆ, ಸಾಮರ್ಥ್ಯಗಳು, ಆಂತರಿಕ ಉಪಕರಣಗಳು ಮತ್ತು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ 3D ಲೇಬಲಿಂಗ್ನಲ್ಲಿ ಇರುವ ಹಿಂದಿನ ಅನುಭವ ಎಲ್ಲವೂ ಆಕರ್ಷಕವಾಗಿದ್ದವು.
”
ಫರ್ಶಿದ್ ಮೌಸಾವಿ
ಪರ್ಸೆಪ್ಷನ್ ಮುಖ್ಯಸ್ಥ, ಗ್ಲೈಡ್ವೇಸ್
ಒಟ್ಟಾಗಿ, ತಂಡಗಳು ಟಿಪ್ಪಣಿ ಮಾನದಂಡಗಳು, ಗುಣಮಟ್ಟ ಭರವಸೆ ಕಾರ್ಯಪ್ರವಾಹಗಳು ಮತ್ತು ಸಹಕಾರಾತ್ಮಕ ವಿಮರ್ಶಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿತು, ಇದು ಲೇಬಲಿಂಗ್ ಗುಣಮಟ್ಟವನ್ನು ನಿರಂತರವಾಗಿ ಸುಧಾರಿಸುವುದರ ಜೊತೆಗೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೆಚ್ಚಿಸಿತು. ಕಾರ್ಯಪ್ರವಾಹ ಪ್ರಯೋಗಗಳು ವೇಗ ಮತ್ತು ನಿಖರತೆಯ ನಡುವಿನ ಉತ್ತಮ ಸಮತೋಲನವನ್ನು ಗುರುತಿಸಲು ಸಹಾಯ ಮಾಡಿತು, ಮತ್ತು ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಹಾಗೂ ಟಿಪ್ಪಣಿ ತಂತ್ರದ ಬಗ್ಗೆ ನೀಡಿದ ಶಿಫಾರಸುಗಳು ಒಟ್ಟು ತರಬೇತಿ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಬಲಪಡಿಸಿತು.